基于"序列相对贴近度"的组合预测权值分配

在时间序列的组合预测权值分配问题上,为克服传统的均方误差倒数加权、熵权和最优化方法之不足,从预测值序列与评价样本序列间的贴近性出发,提出新方法综合衡量单一参与模型的适用性,并据此分配权值.详细给出了序列相对贴近度(SRND,Sequence Relative Nearness Degree)及与之相关的"序列趋势关联度"和"尺度区间熵"的概念,并提出基于SRND的权值分配方法.将SRND权值分配方法应用于航空发动机排气温度裕度参数时间序列的联合自回归滑动平均模型、函数系数自回归模型和径向基函数网络预测,有效地提高了预测准确度,获得优于均方误差倒数加权和熵权方法的组合性能,且运算量远小于最优化方法.     

扩频系统中多普勒频偏快速估计算法的性能分析

研究了直接序列扩频系统中基于DFT技术的大多普勒频偏估计算法。在分析DFT处     

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

时间序列法在临近空间大气风场预报中的应用

受多种因素影响,临近空间大气环境要素复杂多变,预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究,基于廊坊（39.4°N,116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据,利用过去7天数据对未来第8天风场数据进行预报.试验结果显示,ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强,即样本数据风场呈现出比较显著的24h周期性变化时,ARMA模型预报效果较好;当风场发生突变时,预报效果变差.与实测数据的对比结果表明,ARMA模型预报结果的误差在9~27m·s^-1,预报效果优于同阶自回归（AR）模型,略优于高阶AR模型.     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

基于过渡区的序列图像运动目标分割方法

序列图像运动目标检测技术是目标搜索与跟踪系统的一项核心技术.提出了一种基于过渡区的序列图像运动目标分割方法,该方法通过提取序列图像过渡区来进行目标分割,并与传统的阈值分割算法进行效果比较.实验结果表明,该方法能取得更好的序列图像运动目标分割效果.     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

几何代数域内的光流场改进算法

提山了一种新的光流场计算方法：首先,在几何代数域内推导了光流约束方程的新形式;然后,在速度场平滑的基础上,通过求解关于初值问题的热传导方程求解光流场;最后,给出光流场的数值解和仿真结果。实验证明此方法是有效的。     

直扩系统最佳接收条件下的处理增益研究

目前在计算直扩系统的扩频处理增益时一般都是采用求扩频前后带宽之比的公式,这个公式求出的只是一个近似值,而且近似程度不高。针对这一问题,文章分析了直扩系统的最佳接收机,提出了直扩系统的无信息码元间串扰的条件,并在此基础上推导出在白噪声及窄带干扰下的扩频处理增益的一个较精确的公式,得出了窄带干扰下的扩频处理增益的最大值及达到最大值的条件。     

无人机辅助车联网的无人机部署算法

针对无人机辅助车联网的无人机部署问题,分析了基于时延和回传链路的能效无人机部署策略的性能。该策略从车联网的数据传输时延和回传链路角度优化无人机的部署,进而最小化无人机的功率消耗。先面向车联网网络,推导了基于单个用户速率的时延约束函数,并构建基于无人机离基站距离的回传链路容量函数;再构建基于时延和回传链路容量函数的目标函数。最后,利用序列二次规划求解目标函数。性能分析表明,通信数据包尺寸是影响时延的重要参数。此外,在低时延和数据尺寸较大时,车辆用户的总速率之和收敛于回传链路容量。